学习日志

【理论学习】

写在前面此系列文章个人对于学习论文及综述的相关总结和个人看法，如有错误，望大家谅解。

“基于并行深度卷积神经网络的图像美感分类”总结

一、释义

美学是以艺术为主要对象，研究美，丑等审美范畴和人的审美意识、美感经验、美的创造、发展及其规律的科学。图像美感可以定义为人们在观察图像时的美学感受。美感评估是希望通过计算机模拟人的感知来判断人的美感。

二、学习内容

从此篇文章中可以学习到局部特征应用于图像美感分析时难以从整体的构图或美感规律上来表达图像。在深度网络中学习的特征能更好地表达图像的不同类别信息。数字图像是以矩阵来描述的，卷积神经网络能更好的从局部信息快出发，进而描述图像的整体结构，在计算机视觉领域，深度学习方法中大多采用卷积神经网络来解决问题。并行深度卷积网络通过单路卷积神经网络设计，并行网络输入，图像数据库来进行整体的分类。并行网络输入不同因素对美感质量的影响因素不同（色彩，构图，亮度，纹理等）。

三、理解

本人对于此篇文章中提到的并行网络输入这样理解，同时将不同的影响因素输入到深度学习的网络中，将所有特征信息进行整合。计算机视觉的相关问题感觉其目的大都是对于人的感官，感知，认知进行机器的模拟从而达到某种目的。

四、参考文献：

[1]王伟凝,王励,赵明权,蔡成加,师婷婷,徐向民.基于并行深度卷积神经网络的图像美感分类[J].自动化学报,2016,42(06):904-914.